Performance Reviewครึ่งปีแรก 2026 · H1 2026
Director / Lead — woxalabs

ผลงานของ
Chingchana Polcha

ในบทบาท Director / Lead ของทีม woxalabs — ครึ่งปีที่ผ่านมาคือการนำทีมที่ทำงานด้วย AI เป็นเครื่องมือหลัก วางรากฐานการทำงาน และส่งมอบระบบระดับ production ที่เปิดใช้งานจริงให้กับองค์กร

Performance Review · H1 2026 — Director / Lead, woxalabs.

เลื่อนเพื่ออ่านเรื่องราว
01 — บทนำ เกี่ยวกับทีม

woxalabs — ขับเคลื่อนกระบวนการทำงานด้วย AIThe team that drives its entire workflow with AI — development, research, and operations.

ครึ่งปีแรกเป็นการตั้งทีมจากคนที่มีประสบการณ์ไม่มาก แล้ววางกระบวนการทำงานใหม่ที่ให้ AI เป็นกำลังเสริมในทุกขั้นตอน ทั้งการพัฒนา การประสานงาน และการตรวจสอบงาน โดยเน้นให้ทีมใช้ AI ได้อย่างมีประสิทธิภาพ ไม่ใช่แค่มีเครื่องมือ

ผลลัพธ์คือทีมขนาดเล็กที่ส่งมอบระบบระดับ production ที่เปิดใช้งานจริง — สะท้อนว่าเมื่อวางกระบวนการให้เหมาะสม ทีมทำงานได้เกินกว่าขนาดและประสบการณ์ของตัวเอง

AI ไม่ได้มาแทนคน แต่ทำให้ทีมทำงานได้เกินขนาดของตัวเอง
woxalabs — operating principle
02 — Flagship Production · Launched

iux24 — ใช้รากฐาน AI เพื่อเป็นแพลตฟอร์มการเงินการลงทุนชั้นนำBuilding on AI foundations to become a leading finance & investment platform.

บทบาทคือคุมการพัฒนาและ R&D ตั้งแต่วันแรก — รับ concept ทิศทางแพลตฟอร์มจาก CEO แล้วต่อยอดให้เป็นระบบจริง โดยวาง AI เป็นรากฐานของทั้งแพลตฟอร์ม ตั้งแต่การนำข่าวมาวิเคราะห์ ไปจนถึงข่าว → flash → signal เพื่อเป้าหมายในการเป็นแพลตฟอร์มการเงินการลงทุนชั้นนำ

รากฐาน AI-nativeแพลตฟอร์มการเงินการลงทุนชั้นนำ
CAPABILITY 01

AI News Engine — จาก raw data สู่ข่าวจริงหลายภาษาFrom raw data to real, multilingual news — with reasoning.

ระบบนำ raw data ของข่าวมาให้ AI วิเคราะห์และเขียนออกมาเป็นข่าวจริงที่รองรับหลายภาษา พร้อมแสดง assets ที่เกี่ยวข้องซึ่งสอดคล้องกับ "เหตุผล" ที่รองรับข่าวนั้น จากนั้นแปลงข่าวเป็น flash → signal โดยศึกษาพฤติกรรมผู้อ่านที่ต้องการความเร็ว ข้อมูลอ้างอิงถูกต้อง หลักคือ iux24 serve ข้อมูลให้ครบ แล้วให้ user ตัดสินใจ

Raw dataAI Analysis + WritingNewsFlashSignal
MultilingualReason-backed assetsReading-behavior drivenUser decides
CAPABILITY 02

X24 AI — AI chat ที่แข่งด้วย harness ที่ออกแบบเองAI chat that competes on the harness, not just the model.

วางโครงสร้างให้ AI เรียกใช้ tools ใน ecosystem ที่ออกแบบไว้ — ทั้งข่าวที่ระบบสร้างเอง และการดึงข้อมูลการเงินมาประกอบการตอบ ตาม best practice ลดการใช้ token ให้ทุก input ไม่เสียเปล่า เพราะการทำ AI chat ให้ดีไม่ใช่แค่เลือก model ฉลาด แต่คือการวาง harness ให้ตรงกับผลลัพธ์ที่ต้องการ

Tool-use ecosystemNews + Financial dataToken-efficientHarness engineering
CAPABILITY 03

เครื่องมือวิเคราะห์แบบ Interactive ที่ AI สร้างให้AI that doesn't just answer — it builds interactive tools.

สิ่งที่ทำให้ X24 AI ต่างออกไปคือ คำตอบไม่ได้จบที่ข้อความ แต่ AI สร้างเครื่องมือ interactive ให้ผู้ใช้ปรับตัวแปรและทดลองเองได้ ทั้ง backtest กลยุทธ์ เครื่องจำลองการออม/เกษียณ และ options simulator

Quant backtestRetirement plannerOptions simulatorGenerative UI
CAPABILITY 04

AI-Native Foundations — วางรากฐานข้อมูลสำหรับยุค AIData foundations built for the AI era.

นอกจาก feature ที่เห็นได้ ยังวางรากฐานเบื้องหลังที่สำคัญกว่า — การเก็บข้อมูลในรูปแบบ vector เพื่อให้ AI ค้นและใช้ได้จริง และการเก็บ พฤติกรรมของ user เพื่อส่งต่อสู่การวิเคราะห์ ทำให้ทุก feature ถัดไปต่อยอดบนรากฐานเดียวกัน

Vector storageBehavioral dataComposableAI-native by design
03 — Cross-team Working across teams

พาทีมเข้าไปร่วมพัฒนากับทีมอื่นLeading teams into cross-functional builds.

Phase 1 · Dev Lead

alphola

ร่วมนำทีมพัฒนา alphola ใน Phase 1 — คุมทีมวางโครงสร้างการพัฒนา และร่วมแสดงความเห็นเชิงทิศทางของงาน เพื่อให้ทีมมีฐานที่มั่นคงตั้งแต่ต้น

R&D · Team Lead

risk tech — Abuse Trader Detection Model

พาทีมทำงานร่วมกับ risk tech เพื่อสร้าง model หา abuse trader โดยรับข้อมูล transaction พฤติกรรมการเทรดของ user มาวิเคราะห์หาความผิดปกติ

ยังไม่สมบูรณ์ถึงขั้นใช้งาน production ได้ทันที แต่วางรากฐานและมิติของการพัฒนาให้เห็น — เป็นฐานสำหรับต่อยอด solution และนำงานวิจัยของผู้อื่นมาวิเคราะห์เพิ่ม เพื่อให้ detect ได้จริงในอนาคต

04 — Enablement Advisory & Internal R&D

ผลักดันให้องค์กรเริ่มใช้ AI จริงAdvising the org on adopting AI — and building the tools to do it.

เป็นที่ปรึกษาและทดลองทำ project AI ที่ใช้ได้จริงภายในองค์กร โดยเริ่มขับเคลื่อนจากทีม labs เล็ก ๆ ให้เห็น usage ที่ตอบโจทย์ผู้ใช้งานจริง

01

Claude Co-worker (Claude Code)Introducing Claude Code as a day-to-day co-worker.

นำ Claude Code มาใช้เป็นเพื่อนร่วมงาน วางการใช้งานเบื้องต้น และนำเสนอ usage ที่ตอบโจทย์ผู้ใช้จริง เพื่อให้คนในองค์กรเห็นภาพว่า AI ช่วยงานประจำวันได้อย่างไร

02

Hermes — เลขาส่วนตัวของทีมAn AI secretary that coordinates, researches, and routes work.

วางระบบ Hermes ให้ทีมนำร่องใช้ AI เป็นผู้ช่วยหลายด้าน

ประสานงานResearchDevelopHandoffSummarizeIssue intakeMonitoring → routing
03 · FEATURED

Claude LabsOne Claude Code agent on a server, behind a co-work-style UI for the whole team.

นำ concept ของ Claude Code เพียง 1 account ไปวางไว้บน server แล้วสร้างหน้า UI ที่อิง UX แบบ co-work ราว 80% — มีทั้ง Projects, Schedules, Connectors, Plugins, Templates และ Agents & skills พร้อมโหมด permission (plan / acceptEdits / approve) และติดตาม session cost/context ได้จริง โดยใช้ R2 ในการรับ–ส่งและเก็บไฟล์อย่างปลอดภัย

Claude Code on serverCo-work UX ~80%Human-in-the-loopR2 file storageSession cost tracking
04 · FEATURED

AI Voice ChatTalk to the AI — and let it operate the web for you, by voice.

พัฒนาต่อยอดจาก model ของ provider ให้โต้ตอบด้วยเสียงแทนการพิมพ์ ไม่ใช่แค่คุย — AI ยัง สั่งงานหน้าเว็บได้ด้วยเสียง (คลิก / พิมพ์ / เลื่อน) พร้อม side panel บอร์ดงานและปฏิทิน เป็นการวางรากฐานการมีปฏิสัมพันธ์กับ AI ที่เป็นธรรมชาติและเร็วขึ้น

Voice interactionVoice-driven web controlTask boardCalendar
ai voice
Voice agent — สั่งเสียงให้คลิก/พิมพ์/เลื่อนบนเว็บ iux24 · call controls · บอร์ดงาน + ปฏิทิน
05 — The Foundation Why this phase mattered

รากฐานที่ส่งต่อได้ สำคัญกว่า feature ที่ส่งมอบA foundation others can build on — worth more than any single feature.

ครึ่งปีที่ผ่านมาคือ phase ของการวางรากฐาน — ทั้งรากฐานของ "ทีมที่ทำงานร่วมกับ AI" และรากฐานของ "เครื่องมือ" ที่พร้อมส่งต่อและต่อยอดให้กับองค์กร ให้ทั้งองค์กรใช้ AI แบบ native ตั้งแต่กระบวนการทำงานไปจนถึงการส่งต่องานได้อย่างลื่นไหล

เป้าหมายปลายทางคือ ทีมที่เข้ามาต่อยอดอย่างน้อยต้องเข้าใจวิธีการทำงานนี้ แล้ว adapt เพื่อขยายผลได้กว้างขึ้นแบบ leverage โดยทั้งหมดเริ่มขับเคลื่อนจากทีม labs เล็ก ๆ

01

รากฐานทีม (People)

ทีมประสบการณ์น้อย → ทำงานระดับ production ได้ ด้วย process ที่มี AI เป็นแกน

02

รากฐานเครื่องมือ (Tools)

Claude Labs, Hermes, Voice — พร้อมส่งต่อให้ทีมอื่นหยิบไปใช้ทันที

03

รากฐานข้อมูล (Data)

Vector + behavioral data ที่ทำให้ feature ถัดไปต่อยอดได้บนฐานเดียวกัน

04

รากฐานวัฒนธรรม (Workflow)

การส่งต่องานแบบ AI-native ที่ทีมอื่น adapt แล้ว leverage ต่อได้

Our belief

ยุค AI ไม่ได้วัดกันที่ “เครื่องมือ” — แต่วัดกันที่ บุคลากรที่ใช้ AI ได้อย่างเชี่ยวชาญ

In the AI era, the edge isn't the tools — it's people who wield AI with mastery.